JP4654780B2 - 質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラム - Google Patents

Description

本発明は、質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムに関する。さらに詳細には、質問文を入力して、質問に対応する回答を提供するシステムにおいて、質問に対して、より的確な回答を提供可能とした質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムに関する。

昨今、インターネットなどを介したネットワーク通信が盛んになり、様々なサービスがネットワークを介して行なわれている。ネットワークを介したサービスの１つとして検索サービスがある。検索サービスは、例えばネットワーク接続されたパーソナルコンピュータ、携帯端末などのユーザ端末からの検索要求を検索サーバが受信し、検索サーバにおいて、検索要求に応じた処理を実行して処理結果をユーザ端末に送信するサービスである。

例えば、インターネットを介した検索処理を実行する場合、検索サービスを提供しているＷｅｂサイトにアクセスし、Ｗｅｂサイトの提示メニューに従って、キーワード、カテゴリなどの検索条件を入力しサーバに送信する。サーバは、これらの検索条件に従って、処理を実行し、処理結果をユーザ端末に表示する。

データ検索処理には様々な態様がある。例えば、ユーザがキーワードを入力し、入力したキーワードを含む文書の一覧情報をユーザに提示するキーワードベースの検索方式や、ユーザが質問文を入力して質問に対する回答を提供するいわゆる質問応答システムなどがある。質問応答システムは、ユーザがキーワードを選択する必要がなく、また、質問に対する回答のみを受領することができるシステムであり利用が広まっている。

例えば特許文献１は、典型的な質問応答システムについて開示している。特許文献１には、ユーザの提示する質問文から検索に適用する検索語（キーワード）と質問種別の判定を行う質問解析部と、検索語（キーワード）に基づく検索処理を実行し、検索語（キーワード）を含む文としての検索結果に対して回答抽出ルールを用いて、回答候補を抽出し、得られた回答をランキング付けして出力するという手順による質問応答システムを開示している。

検索語（キーワード）に基づく検索結果は、例えば文献の記事などであり、複数の文章から構成されるのが一般的である。このような検索結果から、質問に対する回答候補として適切な語を選択する処理について、いかに精度を高めるかが１つの課題である。

例えば、非特許文献１などでは、検索結果に含まれる文章の１つの単位（パッセージ）を可変長の長さの形態素列（窓）として設定し、検索語を含む窓の範囲を検索対象パッセージとして検索し、その検索対象パッセージ部分に対して、予め設定した回答抽出ルールを適用して、効率的な回答候補の抽出を実現する構成を開示している。このように、多くの既存の質問応答システムにおける、回答候補を含むような部分に対する検索は、質問文に含まれているキーワードから近い部分を取得するという思想の元に設計されている。また、非特許文献２では、質問応答システムにおける照応解析、すなわち、検索結果としてのテキスト中に含まれる名詞句や代名詞などの表現の同一性判断を行なうことの重要性を指摘しており、照応解析を適用して回答候補を抽出することが効果的であることを説明している。
特開２００２−１３２８１１号公報 「Ｉｓｏｚａｋｉ， Ｈ．，"ＮＴＴ'ｓ Ｑｕｅｓｔｉｏｎ Ａｎｓｗｅｒｉｎｇ Ｓｙｓｔｅｍ ｆｏｒ ＮＴＣＩＲ ＱＡＣ２"，Ｗｏｒｋｉｎｇ Ｎｏｔｅｓ ｏｆ ＮＴＣＩＲ−４ Ｗｏｒｋｓｈｏｐ， ｐｐ． ３２６−３３２ （２００４）」 「Ｊｏｓｅ Ｌｕｉｓ Ｖｉｃｅｄｏ， Ａｎｔｏｎｉｏ Ｆｅｒｒａｎｄｅｚ ，"Ｉｍｐｏｒｔａｎｃｅ ｏｆ Ｐｒｏｎｏｍｉｎａｌ Ａｎａｐｈｏｒａ Ｒｅｓｏｌｕｔｉｏｎ ｉｎ Ｑｕｅｓｔｉｏｎ Ａｎｓｗｅｒｉｎｇ Ｓｙｓｔｅｍｓ"， ＡＣＬ ２０００」

上述したように、ユーザの質問に対応する回答を提供する質問応答システムにおいて、検索語（キーワード）に基づく検索結果としての文章から質問に対する回答候補を、いかに効率的にかつ高精度に抽出するかについて、いくつか提案がなされている。しかし、非特許文献１の手法は、回答候補が含まれている部分が、検索キーワードが含まれる文のキーワード近傍にあると推定して回答候補を抽出しようとする手法であり、この手法では、検索文書の文脈を考慮していないために、キーワードが最もマッチした文章部分の前後に、適切な回答候補がない場合にはシステムは正しい答えを得ることができないという問題がある。

また、上述の非特許文献２では、照応解析処理を適用することを推奨しているが、検索結果としての文書に対して照応解析処理を適用する場合、検索結果として得られた文書の文脈が入り組んでいる場合には、正しい答えを得ることができない場合があるという問題がある。具体的な例について説明する。

一例として、クライアント（質問ユーザ）からの入力質問文が以下の文であったとする。
質問文「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
この質問が質問応答システムに入力されたとする。この質問において、質問には「どこにありますか？」とあるので、質問応答システムは、「場所」を問う質問であると判別する。この質問タイプの判断処理は、既存の多くの手法において実行されている。

さらに、質問応答システムは、質問文から、検索に適用する検索語（キーワード）を抽出する。ここでは、「マニア、人気、松の木、クリスマスツリー」というキーワードを抽出したと想定し、このキーワードを用いて、文書を検索し、以下のような複数の文からなる１つの記事が検索されたとする。

文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。

この記事は、文１〜５から構成された１つの記事であり、「マニア、人気、松の木、クリスマスツリー」というキーワード検索によってデータベース、Ｗｅｂページなどを検索対象（知識源）として検索した結果、抽出された記事である。

この検索結果としての記事中、文２で秦城址公園のクリスマスツリーの話題に触れた後に、文３と文４で一般的なクリスマスツリーの話題に触れ、文５で再び秦城址公園のクリスマスツリーの話題に触れている。

これらの各文１〜５についてのキーワードとのマッチ度について解析する。文２には、２つのキーワード、文５には３つのキーワードが含まれ、キーワードとのマッチ度が高いと判定される。既存の回答候補抽出方法では、質問の答えとして、最もキーワードがマッチした文の近傍の「場所」である文５に含まれる「ニューヨーク」あるいは文４に含まれる「ロックフェラーセンター」が回答候補として優先的に選ばれてしまう。

真の回答である「秦市立城址公園」は、文１に含まれているが、文１には、検索に適用したキーワードが含まれていないため、キーワードとのマッチ度が低い文であると判定され、この文１からの回答候補の抽出は、キーワードとのマッチ度が高い文の近傍における回答候補抽出処理の後に実行されることになり、キーワードとのマッチ度が高い文またはその近傍において有力な回答候補が抽出された場合には、文１からの回答候補の抽出処理自体が実行されない場合もあり、ユーザに対して、真の回答である「秦市立城址公園」が提示されないという結果となる場合がある。これは、従来の回答候補抽出手法が、キーワードとのマッチ度が高い文の近傍に存在する名詞句を優先的に選択して回答候補を選んでいるからである。

しかし、正しい答えは文１の「秦市立城址公園」である。検索の結果、抽出された記事の構成について考察すると、文脈の途中で一般的な話題である文３と文４が挿入され、秦市立城址公園の松ノ木のクリスマスツリーに関する記述が分散されてしまっているために、文１の「秦市立城址公園」を質問文の答えに選ぶことができなくなってしまっている。

ここで、非特許文献２において推奨している照応解析、すなわち、検索結果としてのテキスト中名詞句、代名詞およびゼロ代名詞の表現の同一性判断を行なった場合について考えてみる。図１を参照して、非特許文献２に基づき、既存の照応解析技術を用いて、検索結果として得られた記事に照応解析を施し、文１、文２と文５における照応の関連を捉えた処理を施した場合について説明する。

照応解析では、異なる表現でなされた語の同一性判断を行なう。例えば、照応解析では、図１に示すように、
文１の（ａ１）「秦城址公園」と文２の（ａ２）「公園」が一致し異なる表現でなされた同一の実体を指し示している。
文２の（ｂ１）「クリスマスツリー」と文５の（ｂ２）「ツリー」、文５の「人気である」の主格のゼロ代名詞である（ｂ３）（この松の木のツリーが）が一致しており、さらに、
文２の（ｃ１）「松の木」と文２の「なった」の主格のゼロ代名詞である（ｃ２）（松の木が）と、文５の（ｃ３）「この松の木」が一致していることが分かる。

このように、照応解析では、テキスト中の名詞句、代名詞およびゼロ代名詞などの表現の同一性判断がなされる。しかし、従来の照応解析は、表現の同一性判断を行なうのみで、例えば、文１の「秦市立城址公園」を文５に移動するといった処理を行なうものではない。文５は「松の木のクリスマスツリー」の評判が語られているだけであり、「秦市立城址公園」が文５に含むような判断材料がないからである。このように既存の照応解析処理だけでは、複雑な文脈の検索対象をうまくまとめることができず、正しい解答候補の抽出処理が実行されないという問題がある。

本発明は、このような従来手法の問題点に鑑みてなされたものであり、複雑に入り組んでいる文脈構造の文書からも、適切に質問応答の検索結果を効率的に抽出することを可能とした質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムを提供することを目的とする。

本発明の第１の側面は、
質問を入力する質問入力手段と、
入力質問に基づく検索処理を実行する検索手段と、
前記検索手段の検索結果に対して照応解析処理を実行する照応解析手段と、
前記照応解析手段における照応解析結果に基づいて、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出する処理を実行するとともに、回答候補抽出対象文としての回答候補抽出パッセージの選択処理において、選択された回答候補抽出パッセージに対応する参照関係文を含めて回答候補抽出パッセージとして選択する情報抽出手段と、
前記情報抽出手段の選択した回答候補抽出パッセージから回答候補を抽出する回答候補抽出手段と、
前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段と、
を有する構成であることを特徴とする質問応答システムにある。

さらに、本発明の質問応答システムの一実施態様において、前記質問応答システムは、さらに、前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段を有することを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記情報抽出手段は、検索結果の構成文から、前記検索手段において適用した検索キーワードに対応する語を、より多く含む文を回答候補抽出パッセージとして選択し、さらに、選択した回答候補抽出パッセージに対応する参照関係文が存在する場合は、対応する参照関係文を含めて回答候補抽出パッセージとして選択する処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記情報抽出手段は、検索結果の構成文から、前記検索手段において適用した検索キーワードに対応する語を、より多く含む文とその近傍の文を回答候補抽出パッセージとして選択し、さらに、選択した回答候補抽出パッセージに対応する参照関係文が存在する場合は、対応する参照関係文を含めて回答候補抽出パッセージとして選択する処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記回答選択手段は、前記回答候補抽出手段の抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記情報抽出手段は、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出する処理を実行するとともに、前記参照関係文を統合して１つの文を生成する処理を実行する構成であり、前記回答候補抽出手段は、前記情報抽出手段において、統合された１つの文を回答候補抽出パッセージに含めて回答候補抽出処理を実行する構成であることを特徴とする。

さらに、本発明の質問応答システムの一実施態様において、前記情報抽出手段は、前記参照関係文を統合して１つの文を生成する処理において、統合対象の文の構文意味解析処理を実行し、構文意味解析結果に基づく文統合処理を実行する構成であることを特徴とする。

さらに、本発明の第２の側面は、
データ検索方法であり、
質問を入力する質問入力ステップと、
入力質問に基づく検索処理を実行する検索ステップと、
前記検索ステップにおける検索結果に対して照応解析処理を実行する照応解析ステップと、
前記照応解析ステップにおける照応解析結果に基づいて、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出する処理を実行するとともに、回答候補抽出対象文としての回答候補抽出パッセージの選択処理において、選択された回答候補抽出パッセージに対応する参照関係文を含めて回答候補抽出パッセージとして選択する情報抽出ステップと、
前記情報抽出ステップにおいて選択した回答候補抽出パッセージから回答候補を抽出する回答候補抽出ステップと、
前記回答候補抽出ステップにおいて抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択ステップと、
を有することを特徴とするデータ検索方法にある。

さらに、本発明のデータ検索方法の一実施態様において、前記データ検索方法は、さらに、前記回答候補抽出ステップにおいて抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択ステップを有することを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記情報抽出ステップは、検索結果の構成文から、前記検索ステップにおいて適用した検索キーワードに対応する語を、より多く含む文を回答候補抽出パッセージとして選択し、さらに、選択した回答候補抽出パッセージに対応する参照関係文が存在する場合は、対応する参照関係文を含めて回答候補抽出パッセージとして選択する処理を実行するステップを含むことを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記情報抽出ステップは、検索結果の構成文から、前記検索ステップにおいて適用した検索キーワードに対応する語を、より多く含む文とその近傍の文を回答候補抽出パッセージとして選択し、さらに、選択した回答候補抽出パッセージに対応する参照関係文が存在する場合は、対応する参照関係文を含めて回答候補抽出パッセージとして選択する処理を実行するステップを含むことを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記回答選択ステップは、前記回答候補抽出ステップの抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行することを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記情報抽出ステップは、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出する処理を実行するとともに、前記参照関係文を統合して１つの文を生成する処理を実行するステップであり、前記回答候補抽出ステップは、前記情報抽出ステップにおいて、統合された１つの文を回答候補抽出パッセージに含めて回答候補抽出処理を実行するステップであることを特徴とする。

さらに、本発明のデータ検索方法の一実施態様において、前記情報抽出ステップは、前記参照関係文を統合して１つの文を生成する処理において、統合対象の文の構文意味解析処理を実行し、構文意味解析結果に基づく文統合処理を実行することを特徴とする。

さらに、本発明の第３の側面は、
データ検索処理をコンピュータ上で実行させるコンピュータ・プログラムであり、
質問を入力する質問入力ステップと、
入力質問に基づく検索処理を実行する検索ステップと、
前記検索ステップにおける検索結果に対して照応解析処理を実行する照応解析ステップと、
前記照応解析ステップにおける照応解析結果に基づいて、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出する処理を実行するとともに、回答候補抽出対象文としての回答候補抽出パッセージの選択処理において、選択された回答候補抽出パッセージに対応する参照関係文を含めて回答候補抽出パッセージとして選択する情報抽出ステップと、
前記情報抽出ステップにおいて選択した回答候補抽出パッセージから回答候補を抽出する回答候補抽出ステップと、
前記回答候補抽出ステップにおいて抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択ステップと、
を有することを特徴とするコンピュータ・プログラムにある。

なお、本発明のコンピュータ・プログラムは、例えば、様々なプログラム・コードを実行可能なコンピュータシステムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体、例えば、ＣＤやＦＤ、ＭＯなどの記録媒体、あるいは、ネットワークなどの通信媒体によって提供可能なコンピュータ・プログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、コンピュータシステム上でプログラムに応じた処理が実現される。

また、名詞句、代名詞あるいはゼロ代名詞のいずれかの表現の参照関係を抽出するのに加えて、さらにこれらの名詞的表現の組合せ、あるいはすべての参照関係を抽出するようにしてもよく、また文レベルにおける照応関係を得ることにより、埋め込み文、または文全体についても参照関係を抽出してもよい。（なお、文全体をも対象に含めた照応解析の一例については、村田真樹、黒橋禎夫、長尾真、"名詞の指示性を利用した日本語文章における名詞の指示対象の推定"、自然言語処理、Ｖｏｌ．３，Ｎｏ．１，１９９６」を参照。）

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本発明の構成によれば、質問に対する回答を提供するシステムにおいて、入力質問の検索結果に対して、テキスト解析により、少なくともテキスト中に現れる名詞句、代名詞およびゼロ代名詞のいずれかの表現の同一性判断を行なう照応解析を実行し、照応解析結果に基づいて、少なくとも検索結果に含まれる名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出し、回答候補抽出対象文としての回答候補抽出パッセージの選択処理において、選択された回答候補抽出パッセージに対応する参照関係文を含めて回答候補抽出パッセージとして選択して、選択されたパッセージから回答候補を抽出する構成としたので、例えば、回答候補抽出パッセージの選択処理において検索キーワードとのマッチ度に基づくパッセージ選択を行なった場合に、キーワードから離間した位置にある有力な回答候補を見落とすことなく、確実に回答候補として取得し、クライアントに提示することが可能となる。

以下、図面を参照しながら本発明の実施形態に係る質問応答システム、およびデータ検索方法、並びにコンピュータ・プログラムの詳細について説明する。

［実施例１］
まず、図２を参照して、本発明の質問応答システムの利用形態の一例について説明する。図２は本発明の質問応答システム２００をネットワークに接続したネットワーク構成を示す図である。図２に示すネットワーク１００は、インターネットやイントラネットなどのネットワークであり、ネットワーク１００には、質問応答システム２００に対する質問を送信するユーザ端末としてのクライアント１０１−１〜ｎ、クライアント１０１−１〜ｎに対する回答を取得するための素材としてのＷｅｂページを提供する様々なＷｅｂページ提供サーバ１０２Ａ〜Ｎやデータベース１０３ａ〜ｎが接続されている。

質問応答システム２００は、クライアント１０１−１〜ｎから、ユーザの生成した様々な質問文を入力し、入力質問に対する回答をクライアント１０１−１〜ｎに提供する。質問に対する回答は、Ｗｅｂページ提供サーバ１０２Ａ〜Ｎの提供するＷｅｂページや、データベース１０３ａ〜ｎに格納された文書データなどから取得する。Ｗｅｂページ提供サーバ１０２Ａ〜Ｎの提供するＷｅｂページや、データベース１０３ａ〜ｎに格納されたデータが検索対象データでありコーパス、あるいは情報源、知識源などと呼ばれる。

Ｗｅｂページ提供サーバ１０２Ａ〜Ｎは、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）システムによる公開ページとしてＷｅｂページを提供する。Ｗｅｂページは、Ｗｅｂブラウザに表示されるデータ集合であり、テキストデータやＨＴＭＬによるレイアウト情報、文書中に埋め込まれた画像や音声、動画などによって構成される。Ｗｅｂページの集合はＷｅｂサイトであり、Ｗｅｂサイトは、トップページ（ホームページ）とトップページからリンクされた他のＷｅｂページで構成される。

質問応答システム２００の構成および処理について図３を参照して説明する。質問応答システム２００は、ネットワーク１００に接続され、ネットワーク１００に接続されたクライアントからの質問を受領し、ネットワーク１００に接続されたＷｅｂページ提供サーバの提供するＷｅｂページやその他のデータベースを情報源として回答を検索して、例えば回答候補からなるリストを生成してクライアントに提供する処理を実行する。

本発明の質問応答システムは、クライアントからの質問に対する検索によって得られた検索結果である検索文書に対して、文脈を考慮するために照応解析処理を施す。この処理は、非特許文献２に記載されたと同様の処理であるが、その後、照応解析処理に基づいて、回答候補の検索範囲を拡張する点が異なる。

本発明の質問応答システムでは、検索文書に対する照応解析処理結果に基づいて、検索文書における回答候補の検索領域を検索しやすいように整理する。図３以下を参照して本発明による質問応答システムの構成および処理の詳細について説明する。

まず、本発明の質問応答システム２００の構成について、図３を参照して説明する。質問応答システム２００は、図３に示すように、質問入力手段２０１、質問解析手段２０２、照応解析手段２０３、情報抽出段２０４、回答候補抽出手段２０５、回答候補選択手段２０６、回答出力手段２０７を有する。以下、質問応答システム２００の有する各処理手段の実行する処理について説明する。

［質問入力手段］
質問入力手段２０１は、ネットワーク１００を介して、クライアントからの質問文（入力質問）を入力する。以下では、具体的な質問例として、クライアント（質問ユーザ）からの入力質問文が以下の文であったとする。
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
この質問が質問応答システム２００に入力されたとする。

［質問解析手段］
質問解析手段２０２は、入力質問の解析処理を実行する。例えば質問が求めている回答が、人であるか場所であるかなどの質問タイプの判別や、質問の構成文から検索語（検索キーワード）となる特徴語の検出などが行なわれる。

（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
この質問において、質問には「どこにありますか？」とあるので、質問は、「場所」を問う質問であると判別する。この質問タイプの判断処理は、既存の多くの手法において実行されている処理と同様である。

さらに、質問解析手段２０２は、質問文から、検索に適用する検索語（キーワード）を抽出する。ここでは、「マニア、人気、松の木、クリスマスツリー」というキーワードを抽出したと想定する。

［情報検索手段］
情報検索手段２０３は、質問解析手段２０２の解析によって抽出された検索語（検索キーワード）に基づく検索を実行する。すなわち、例えば、ネットワークに接続されたＷｅｂページ提供サーバの提供するＷｅｂページやデータベースを検索対象文書（知識源）とした検索処理を実行して質問に対応する回答の含まれると判定される文章を取得する。

前述したキーワード「マニア、人気、松の木、クリスマスツリー」を用いて、文書を検索し、以下のような複数の文からなる１つの記事が検索されたとする。

文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。

この検索結果は、文１〜５から構成された１つの記事であり、「マニア、人気、松の木、クリスマスツリー」というキーワード検索によってデータベース、Ｗｅｂページなどを検索対象（知識源）として検索した結果、抽出された記事である。

［照応解析手段］
照応解析手段２０４は、情報検索手段２０３の検索結果としての検索文書に対して、照応解析処理を施す。照応解析処理は、検索結果としてのテキストの解析により、テキスト中の名詞句、代名詞およびゼロ代名詞のいずれかの表現の同一性判断を行なう処理として実行される。なお、照応解析技術については、例えば「河原大輔，黒橋禎夫，"自動構築した格フレーム辞書と先行詞の位置選好順序を用いた省略解析"，自然言語処理，Ｖｏｌ．１１，Ｎｏ．３，２００４」、あるいは「飯田龍，乾健太郎，松本裕治，関根聡．"機械学習による日本語名詞句照応解析の一手法"，言語処理学会第１０回年次大会，２００４」などに詳細が記載されている。

本実施例では、検索結果、すなわち、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
この文１〜５からなる検索結果が得られているとする。

この検索結果に対して、照応解析を実行し、照応解析結果として、
文１の（ａ１）「秦城址公園」と文２の（ａ２）「公園」が一致し異なる表現でなされた同一の実体を指し示している。
文２の（ｂ１）「クリスマスツリー」と文５の（ｂ２）「ツリー」、文５の「人気である」の主格のゼロ代名詞である（ｂ３）（この松の木のツリーが）が一致しており、さらに、
文２の（ｃ１）「松の木」と文２の「なった」の主格のゼロ代名詞である（ｃ２）（松の木が）と、文５の（ｃ３）「この松の木」が一致している。
これらの解析結果を得たものとする。
この解析結果は、先に図１を参照して説明した結果と同様の結果である。

［情報抽出手段］
前述したように、既存の手法においては、このような複数の文（パッセージ）から回答候補を抽出するパッセージを選択する場合、キーワードとのマッチ度の高い文（パッセージ）を優先的に選択する処理を行っていた。

上述の文１〜５の場合、文２には、２つのキーワード、文５には３つのキーワードが含まれ、キーワードとのマッチ度が高いと判定され、既存の方法では、文５が回答候補の選択において最も有効な文、文２が次点であるとされ、文５の近傍の名詞句が優先的に回答候補として選択されることになる。

実際の回答候補選択処理では、例えば、文５の近傍として、文５の前後１文を含む文を回答候補選択パッセージとした回答候補抽出をまず実行し、次に、文２の近傍として、文２の前後１文を含む文を回答候補選択パッセージとした回答候補抽出を実行するなどの処理として実行される。

本発明に係る質問応答システムでは、情報抽出手段２０５において、検索結果に含まれるパッセージ（本例では文１から文５の５つのパッセージ）から回答候補を抽出する対象として選択するパッセージの選択処理と、選択パッセージからの回答抽出処理を、従来の照応解析処理を適用した処理とは異なる処理として実行する。具体的には、照応解析結果に基づいて選択する回答候補抽出対象のパッセージを拡張し、拡張したパッセージ中から回答候補を抽出するパッセージを選択する。

具体的な処理について、説明する。
情報抽出手段２０５は、検索結果として得られた文（本では、前述の文１〜文５）ごとに、照応解析結果に基づき名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文を抽出する。この処理について、図４を参照して説明する。

照応解析の結果として、図４に示すように、
（１）文１の（ａ１）「秦城址公園」と文２の（ａ２）「公園」が一致、
（２）文２の（ｂ１）「クリスマスツリー」と文５の（ｂ２）「ツリー」、文５の「人気である」の主格のゼロ代名詞である（ｂ３）（この松の木のツリーが）が一致、
（３）文２の（ｃ１）「松の木」と文２の「なった」の主格のゼロ代名詞である（ｃ２）（松の木が）と、文５の（ｃ３）「この松の木」が一致、
これらの照応解析結果（１）〜（３）が得られている。

情報抽出手段２０５は、照応解析結果に基づき名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文（参照関係文）を抽出する。参照関係にある表現を共有する参照関係文とは、上記した照応解析結果（１）〜（３）において、同一の実体を参照する表現を持つ文であり、
照応解析結果（１）から、文１と文２は参照関係にある表現を共有する文であると判断する。また、
照応解析結果（２）から、文２と文５は参照関係にある表現を共有する文であると判断する。また、
照応解析結果（３）からも、文２と文５は参照関係にある表現を共有する文であると判断する。

情報抽出手段２０５は、このように、照応解析結果に基づきテキスト中の表現を整理し、参照関係文を選択する。
本例において、参照関係文は、［文１と文２］、および［文２と文５］、これらの２組である。

前述したように、回答候補の検索対象パッセージとして選択する処理においては、例えば、各文（パッセージ）のキーワードとのマッチ度を算出する。上述の文１〜５の場合、文２には、２つのキーワード、文５には３つのキーワードが含まれ、キーワードとのマッチ度が高いと判定される。既存の方法では、文５が回答候補の選択において最も有効な文、文２が次点であるとされ、文５の近傍の名詞句が優先的に回答候補として選択され、次に、文２の近傍の名詞句が優先的に回答候補として選択されることになる。

本発明のシステムでは、キーワードのマッチ度に基づくパッセージ選択を行なう場合に、選択パッセージに上述した参照関係文が設定されているか否かを判定し、設定されている場合、参照関係文も選択パッセージとして選択する。

例えば、上述の例では、キーワードマッチ度が最も高い文５に基づいて、回答候補抽出対象のパッセージを選択する場合、文５に対応する参照関係文が設定されているか否かを判定する。本例では、図４を参照して説明した通り、文５に対応する参照関係文として文２が設定されている。従って、回答候補抽出パッセージとして、文５＋文２、またはこれらの文の近傍を含むパッセージ領域を、最初の優先的な回答候補抽出パッセージ領域として選択する。

次に、キーワードマッチ度が文５に次いで高い文２に基づいて、回答候補抽出対象のパッセージを選択する場合、文２に対応する参照関係文が設定されているか否かを判定する。本例では、図４を参照して説明した通り、文２に対応する参照関係文として文１が設定されている。従って、回答候補抽出パッセージとして、文２＋文１、またはこれらの文の近傍を含むパッセージ領域を、最初の優先的な回答候補抽出パッセージ領域として選択する。

例えば、キーワードマッチ度によって選択された文の前後１文を含むパッセージ領域を、回答候補抽出パッセージ領域として選択する場合、まず、キーワードマッチ度が最も高い文５に基づいて選択される回答候補抽出対象パッセージは、
（ａ）文５と、文５の前後にある文４、および、
（ｂ）文５に対応する参照関係文である文２と、文２の前後にある文１、文３となる。
次に、キーワードマッチ度が文５に次いで高い文２に基づいて選択される回答候補抽出対象パッセージは、
（ｃ）文２と、文２の前後にある文１，文３、および、
（ｄ）文２に対応する参照関係文である文１と、文１の前後にある文２となる。

実際には、上述の（ｃ），（ｄ）で選択されている文は、既に（ａ），（ｂ）で選択済みであるので、省略される。上述の例は、文１〜５の少ない文構成であるので、重複した選択文が出現するが、長文の記事が検索結果として得られた場合などには、重複することなく、順次、回答候補抽出対象パッセージの選定が実行されることになる。

［回答候補抽出手段］
回答候補抽出手段２０６は、情報抽出手段２０５が上述した参照関係文を考慮した回答候補抽出対象パッセージ選択処理によって選択したパッセージを回答候補抽出対象パッセージとして、回答候補抽出処理を実行する。

回答候補抽出手段２０６は、前述の質問解析手段２０２において解析した質問タイプに対応した「場所」に対応する名詞句を情報抽出手段２０５の決定した回答候補抽出対象パッセージから選択する。「場所」に対応する名詞句の選択に際しては、語彙を示すＮＥ（ｎａｍｅｄ ｅｎｔｉｔｙ）タグで「場所」タグが付与されている名詞をパッセージ中から取得するなどの既存のＮＥ技術を適用する。

本処理例では、回答候補抽出対象パッセージとして、参照関係文を考慮した回答候補抽出対象パッセージ選択処理を実行しており、この例の場合、文１〜文５のすべての文が、回答候補抽出対象パッセージとして選択されているものとする。これらの文１〜文５から、「場所」に対応する名詞句として、
「秦市立城址公園」
「ニューヨーク」
「ロックフェラーセンター」
が回答候補として選択される。

［回答選択手段］
回答選択手段２０７は、回答候補抽出手段２０６の抽出した回答候補に、回答としての適正度を示すスコアを設定して、ランキングを行いスコアの高い順から回答候補を並べた回答候補リストを生成する。回答候補に対するスコア設定は、以下のスコア加算基準（ａ）（ｂ）に従って実行する。

（ａ）各回答候補は、回答候補の含まれる文についてのキーワードマッチ度に基づくスコアを加点する。
（ｂ）各回答候補は、回答候補の含まれる文に対応する参照関係文がある場合、その参照関係文についてのキーワードマッチ度に基づくスコアを加点する。

すなわち、各回答候補は、その回答候補の含まれる文のキーワードマッチ度に基づくスコアと、その回答候補の含まれる文に対応する参照関係文についてのキーワードマッチ度に基づくスコアのトータルを、その回答候補のスコアとして設定される。

本処理例についての具体的なスコア算出処理について、図５を参照して説明する。図５（ａ）は、質問解析手段２０２において、
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
に基づいて、抽出した検索に適用するキーワードである。
キーワードは、「マニア、人気、松の木、クリスマスツリー」
である。

図５（ｂ）は、これらのキーワードに基づいて情報検索手段２０３が知識源の検索を実行して取得した検索結果である。検索結果は、以下の文１〜文５からなる。
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
この文１〜５からなる検索結果が得られているとする。

この検索結果に対して、先に図４を参照して説明したように、照応解析手段２０４が照応解析を実行し、
文１と文２は参照関係にある表現を共有する参照関係文であり、また、文２と文５も参照関係にある表現を共有する参照関係文であると判断されている。

図５（ｂ）には、文１〜文５に含まれるキーワードを矩形領域で示してある。
文２には、２つのキーワード［松の木］、［クリスマスツリー］が含まれ、
文５には、３つのキーワード［松の木］、［マニア］［人気］が含まれている。

回答候補としては、前述したように、回答候補抽出手段２０６によって、
「秦市立城址公園」
「ニューヨーク」
「ロックフェラーセンター」
が回答候補として選択されている。

回答選択手段２０７は、これらの各回答候補に対するスコアを設定する。なお、「秦市立城址公園」は、先の照応解析手段２０４における照応解析の結果、文２の「公園」と同一の実体を指す表現であることが確認されており、スコア算出においては、「公園」を「秦市立城址公園」と同様の回答候補として考慮したスコア算出を実行する。

簡単なスコアリングの例を示す。文４には、質問文内のキーワード「マニア、人気、松の木、クリスマスツリー」は存在しないが、続く文５には、３つのキーワード「マニア、松の木、人気」が存在し、文２には文５に含まれるキーワード［松の木］と文５に含まれない新たなキーワード「クリスマスツリー」が存在している。

そこで、文４に含まれる回答候補「ニューヨーク」と「ロックフェラーセンター」のスコアとして、
文４の近傍の文５に含まれる３つのキーワード「マニア、松の木、人気」に基づく第１のスコア値［３］と、
近傍文５の参照関係文：文２に含まれる新たなキーワード「クリスマスツリー」に基づく第２のスコア値［１］、
これらの２つのスコア値の合計として、最終スコア値［４］が、回答候補「ニューヨーク」と「ロックフェラーセンター」に対するスコアとして付与される。

また、文２に含まれる回答候補「公園」（「秦市立城址公園」）のスコアとして、
文２に含まれる２つのキーワード「松の木、クリスマスツリー」に基づく第１のスコア値［２］と、
文２の参照関係文：文５に含まれ、文２に含まれない新たなキーワード「マニア、人気」に基づく第２のスコア値［２］、
これらの合計スコア［４］が、回答候補「公園」（「秦市立城址公園」）のスコアとして付与される。

このようにして、各回答候補のスコアとして、
「公園」（「秦市立城址公園」）＝スコア４
「ニューヨーク」＝スコア４
「ロックフェラーセンター」＝スコア４
が設定される。

結果として、各回答候補のスコアはすべて４として同一となっている。このような場合は、キーワードに最も近い場所に存在する回答候補を優先することとする。「公園」の含まれる文２には、複数のキーワードが含まれ、「ニューヨーク」、「ロックフェラーセンター」の含まれる文４には、キーワードは含まれないので、最も正解に近い回答候補として「公園」（「秦市立城址公園」）が出力される。照応解析の結果から「公園」と「秦市立城址公園」は同一の実体を参照していることが分かっているので、結果として、本実施例における質問応答システムは正しく「秦市立城址公園」の答えをクライアント（質問ユーザ）に提供することができる。

なお、回答選択手段２０７は、このようにして得られた唯一の回答候補をクライアントに提示する回答として選択してもよいが、例えばスコア値に基づくランキングリストとした回答候補リストを生成して提示する構成としてもよい。

［回答出力手段］
回答出力手段２０８は、回答選択手段２０７において最終的に決定した回答候補をクライアントに対して出力する。

これらの処理によって、
例えば、入力質問、すなわち、
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
に対する回答として、
「秦市立城址公園」
のみを選択、あるいは回答候補リストの最上位に設定した回答候補リストをクライアントに提示することができる。

次に、図６のフローチャートを参照して、本発明の質問応答システムの実行する処理シーケンスについて説明する。

ステップＳ１０１において、クライアントからの質問を入力すると、ステップＳ１０２において、入力された質問文の解析処理を実行する。これは図３に示す質問解析手段２０２の実行する処理であり、入力質問に基いてキーワードを抽出し、質問タイプを判定する処理である。例えば、
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
から、キーワード「マニア、人気、松の木、クリスマスツリー」抽出し、質問タイプは［場所］であると解析する。

次に、ステップＳ１０３において、検索キーワードに基づいて、質問に対応する検索処理が実行される。この検索処理は、Ｗｅｂページ、データベースなどの知識源を対象とした検索処理であり、図３に示す情報検索手段２０３が実行する。質問文から選択されたキーワードに基づいて生成されるクエリによる検索処理が実行される。

具体的には、例えば、
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
から抽出された、キーワード「マニア、人気、松の木、クリスマスツリー」を用いたクエリによって、検索が実行され、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
この文１〜５からなる検索結果が得られる。

次に、ステップＳ１０４において、検索処理によって取得した検索結果の照応解析処理を実行する。この処理は、図３における照応解析手段２０４の実行する処理である。

照応解析処理は、検索結果としてのテキストの解析により、テキスト中の名詞句、代名詞およびゼロ代名詞のいずれかの表現の同一性判断を行なう処理として実行される。
上記した文１〜５からなる検索結果に対して、照応解析を実行した場合、照応解析結果として、
文１の（ａ１）「秦城址公園」と文２の（ａ２）「公園」が一致し異なる表現でなされた同一の実体を指し示している。
文２の（ｂ１）「クリスマスツリー」と文５の（ｂ２）「ツリー」、文５の「人気である」の主格のゼロ代名詞である（ｂ３）（この松の木のツリーが）が一致しており、さらに、
文２の（ｃ１）「松の木」と文２の「なった」の主格のゼロ代名詞である（ｃ２）（松の木が）と、文５の（ｃ３）「この松の木」が一致している。
これらの解析結果が得られる。

次に、ステップＳ１０５において照応解析結果を適用して参照関係文を抽出し、回答候補抽出パッセージを決定する。この処理は、図３に示す情報抽出手段２０５が実行する。

情報抽出手段２０５は、検索結果として得られた文（本では、前述の文１〜文５）ごとに、照応解析結果に基づきテキスト中の名詞句、代名詞およびゼロ代名詞のいずれかの表現を整理し、参照関係にある表現を共有する文（参照関係文）を抽出する。この処理については、先に図４を参照して説明した通りである。

図４を参照して説明した処理例では、文１と文２、および文２と文５が参照関係文であると判定される。さらに、情報抽出手段２０５は、各文のキーワードマッチ度を算定し、キーワードマッチ度の高い文を回答候補抽出パッセージとして決定するとともに、キーワードマッチ度の高い文に対応する参照関係文の存否を確認し、参照関係文がある場合は、その参照関係文も回答候補抽出パッセージとして決定する。なお、回答候補抽出パッセージには、キーワードマッチ度の高い文およびその参照関係文の近傍の文（パッセージ）も含める設定としてもよい。

次に、ステップＳ１０６において、検策結果からの回答候補抽出処理を実行する。この処理は、図３に示す回答候補抽出手段２０６が実行する。回答候補抽出手段２０６は、前述の質問解析手段２０２において解析した質問タイプに対応した「場所」に対応する名詞句を、情報抽出手段２０５の決定した回答候補抽出対象パッセージから選択する。「場所」に対応する名詞句の選択に際しては、語彙を示すＮＥ（ｎａｍｅｄ ｅｎｔｉｔｙ）タグで「場所」タグが付与されている名詞をパッセージ中から取得するなどの既存のＮＥ技術を適用する。

上述した処理例では、
「秦市立城址公園」
「ニューヨーク」
「ロックフェラーセンター」
が回答候補として選択される。

次に、ステップＳ１０７において、照応解析結果、参照関係文を考慮した回答候補に対するスコア算出処理が実行される。この処理は、図３に示す回答候補選択手段２０７が実行する。回答選択手段２０７は、回答候補抽出手段２０６の抽出した回答候補にスコアを設定して、ランキングを行いスコアの高い順から回答候補を並べた回答候補リストを生成する。回答候補に対するスコア設定は、先に図５を参照して説明した処理に従って実行される。

すなわち、回答選択手段２０７は、回答候補の属するパッセージ（文ｘ）またはその近傍パッセージ（文ｘ±１など）のキーワードマッチ度に基づくスコアと、これらの各パッセージに対応する参照関係文のキーワードマッチ度に基づくスコアとの加算データを、その回答候補に対応するスコアとして算出する。

次に、回答選択手段２０７は、ステップＳ１０８において、スコアの設定された回答候補から、最も高いスコアの設定された唯一の回答候補をクライアントに提示する回答として選択するか、あるいはスコア値に基づくランキングリストとした回答候補リストを生成する。

次に、ステップＳ１０９において、回答出力手段が、ステップＳ１０８において決定した出力回答候補、あるいはスコア値に基づくランキングリストとした回答候補リストをクライアントに対して出力する。

これらの処理によって、
例えば、入力質問、すなわち、
（入力質問）「マニアに人気な松の木のクリスマスツリーはどこにありますか？」
に対する回答として、
「秦市立城址公園」
のみを選択、あるいは回答候補リストの最上位に設定した回答候補リストをクライアントに提示することができる。

［その他の変更実施例］
次に、本発明に係る質問応答システムにおけるその他の実施例について説明する。
上述した実施例では、回答候補抽出パッセージの決定処理において、情報抽出手段２０５が、各文のキーワードマッチ度を算定し、キーワードマッチ度の高い文またはその近傍を含む文を回答候補抽出パッセージとして決定するとともに、キーワードマッチ度の高い文に対応する参照関係文の存否を確認し、参照関係文がある場合には、その参照関係文またはその近傍を含む文も回答候補抽出パッセージとして決定する処理を行なっていた。

情報抽出手段２０５は、この回答候補抽出パッセージ決定処理において、照応解析結果を元に、照応している表現を含む文を一文として生成し、その一文を元にパッセージ範囲を設定してもよい。以下の例文を元にこの処理について説明する。
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。

上記例は、検索結果として得られた文１〜文５からなる記事である。この記事中、前述したように文２と文５と、文１と文２にはそれぞれの文に含まれる表現の間に照応関係がある。
また、文２と文５には検索キーワードが含まれ、キーワードマッチ度が高い文であるとの解析結果をシステムがすでに得ているとする。

このような設定において、参照関係にある文２と文５と、文１と文２のすべて、すなわち、文１、文２、文５の文を一文にまとめる処理を実行する。複数文からの一文への統合処理は、例えば、前述の照応解析手段２０４の処理の説明の欄で紹介した文献「河原大輔，黒橋禎夫，"自動構築した格フレーム辞書と先行詞の位置選好順序を用いた省略解析"，自然言語処理，Ｖｏｌ．１１，Ｎｏ．３，２００４」に記載された処理を適用することが可能である。

この文統合処理によって、得られた文を回答候補抽出パッセージとする。文の統合処理は、それぞれの文に含まれる表現の間に照応関係があり、参照関係文として判定された文に関して行う。複数文を１つの文にまとめる作業は、例えば、「ある名詞句に関する関係節を文生成技術で作成し、関係節を介して２文を１文にまとめる」という方針をとる。以下に複数文を入力して、１つの文にまとめる文統合処理の手順の例を示す。

対象となっている文を、例えば文献「増市，大熊，"Ｌｅｘｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｇｒａｍｍａｒに基づく実用的な日本語解析システムの構築"，自然言語処理，Ｖｏｌ．１０，Ｎｏ．２，ｐｐ．７９−１０９（２００３）」記載の構文意味解析システムなどを用いて解析する。この処理で得られるのは文の構文構造と動詞の時制の情報である。

あらかじめ人手で作成してある生成処理順序ルールから、統合対象となる文１と文２の生成に関して、どちらの文の名詞句に関係節を埋め込むかを決定する。文１と文２の主節の動詞は共に過去形であり、その場合は、文の出現順で後の方の文に前の文を埋め込む。このようなルールは、主節の動詞の時制、文の出現順序などから記述されており、動詞の時制、文の出現順序の順にルールが優先される。

例えば、
「太郎は疲れている。」
「太郎は働きすぎた。」
という２文に関する文生成では、１文目の主節の動詞は現在形であり、２文目の主節の動詞は過去系である。この時は、時制に関するルールが優先されて、２文目が１文目に埋め込まれ、「働きすぎた太郎は疲れている。」となる。「疲れている太郎は働きすぎた。」のように埋め込む順序が逆であると、本来の意味が変化してしまう。

上述した実施例について説明する。すなわち、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文３：一般的には、クリスマスツリーにはもみの木が用いられる。
文４：ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
これらの文の文１と文２とをまとめて１つの文にする処理を行なう。

文１と「秦市立城址公園」と文２の「公園」が照応関係にあるので、文１の「秦市立城址公園」に関する関係節文を作成する。文１の構文意味構造は、図７のような構成で成り立っていることが分かる。

図７は、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
について、構文・意味解析処理を行って生成した"ｆ−ｓｔｒｕｃｔｕｒｅ（ｆｕｎｃｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ）"を示している。構文・意味解析処理は、前述の文献「増市，大熊，"Ｌｅｘｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｇｒａｍｍａｒに基づく実用的な日本語解析システムの構築"，自然言語処理，Ｖｏｌ．１０，Ｎｏ．２，ｐｐ．７９−１０９（２００３）」記載の構文意味解析システムを用いて行った。

構文・意味解析処理は、文法ルールや結合価辞書を適用し、文法ルールなどに基づく句構造の解析や、文中の語の語義や語と語の間の意味関係などに基づいて文が伝える意味を表現する意味構造の解析処理である（結合価辞書は動詞と主語などの文中の他の構成要素との関係を記述したものであり、述部とそれに係る語の意味関係を抽出することができる）。構文解析した結果として、単語や形態素などからなる文章の句構造を木構造として表した"ｃ−ｓｔｒｕｃｔｕｒｅ（ｃｏｎｓｔｉｔｕｅｎｔ ｓｔｒｕｃｔｕｒｅ）"と、主語、目的語などの格構造に基づいて入力文を疑問文、過去形、丁寧文など意味的・機能的に解析した結果として"ｆ−ｓｔｒｕｃｔｕｒｅ（ｆｕｎｃｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ）"を出力することができる。

すなわち、ｃ−ｓｔｒｕｃｔｕｒｅは、自然言語文の構造を、文の形態素を上位のフレーズへとまとめあげることによって木構造として表現するものであり、ｆ−ｓｔｒｕｃｔｕｒｅは、文法機能の概念に基づき、文の格構造、時制、様相、話法などの意味情報を属性―属性値のマトリックス構造で表現するものである。

図７は、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
について、構文・意味解析処理を行って生成した"ｆ−ｓｔｒｕｃｔｕｒｅ（ｆｕｎｃｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ）"を示している。ｆ−ｓｔｒｕｃｔｕｒｅは、文法的な機能を明確に表現したものであり、文法的な機能名、意味的形式、並びに特徴シンボルにより構成される。ｆ−ｓｔｒｕｃｔｕｒｅを参照することにより、主語（ｓｕｂｊｅｃｔ）、目的語（ｏｂｊｅｃｔ）、補語（ｃｏｍｐｌｅｍｅｎｔ）、修飾語（ａｄｊｕｎｃｔ）といった意味理解を得ることができる。ｆ−ｓｔｒｕｃｔｕｒｅは、木構造として示されるｃ−ｓｔｒｕｃｔｕｒｅの各節点に付随する素性の集合であり、図７に示すように属性−属性値のマトリックスの形で表現される。すなわち、［］で囲まれた中の左側は素性（属性）の名前であり、右側は素性の値（属性値）である。

この構文意味構造を適用して文の統合処理を行う。なお、構文意味解析結果に基づく文統合処理については、詳しくは、例えば文献「Ｋａｙ，"Ｃｈａｒｔ Ｇｅｎｅｒａｔｉｏｎ"，Ｉｎ ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３４ｔｈ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ ｏｆ ｔｈｅ ＡＣＬ．」に記述されている処理を適用することが可能である。

処理の結果として、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
に基づいて、
「年末年始の準備が２０日から始まった秦市立城址公園」
に相当する構文意味構造が得られる。
図８に、構文意味構造の変換処理態様について示す。
図８には、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
に基づく、構文・意味解析結果としてのｆ−ｓｔｒｕｃｔｕｒｅ（図８（ａ））と、
生成文（Ａ）年末年始の準備が２０日から始まった秦市立城址公園
の構文・意味解析結果としてのｆ−ｓｔｒｕｃｔｕｒｅ（図８（ｂ））を示している。

次に、図８（ｂ）に示す構文・意味解析結果を持つ文１に基づく関係節文を、
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
に埋め込む。この埋め込み処理により、文２は、
「年末年始の準備が２０日から始まった秦市立城址公園では、松の木が飾り付けられてクリスマスツリーになった。」
として文１、文２がまとめられた統合文として設定される。

続いて、上述の処理によって生成した文２と文５とのまとめ処理を、上述の処理と同様に行なう。文２と文５についても生成順序ルールを適用し、文２から文５に埋め込む順序を得る。文を埋め込む処理も同様に構文意味構造上で処理が可能である。

なお、照応関係の実体が複数ある場合には、その実体を参照する表現ごとの構文意味構造を把握し、適切な関係節文を切り出さなければならない。以下に示す文２と文５、すなわち、
文２：年末年始の準備が２０日から始まった秦市立城址公園では、松の木が飾り付けられてクリスマスツリーになった。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
これらの文において、「松の木」と「クリスマスツリー」の２つの表現に関して照応関係が発生している。この時「松の木」が関係している動詞は「飾り付けられ」であり、クリスマスツリーが関係しているのは「なった」である。「なった」にはゼロ代名詞があり、これは「松の木」を参照している。それぞれの動詞ごとに得られる構文意味構造および変換処理構成を図９に示す。

図９に示すように、
動詞「飾り付けられ」
主格「松の木」
に基づく変換処理により、
「飾り付けられた松の木」
が生成され、さらに、
動詞「なった」
主格「（松の木が）」
斜格「クリスマスツリーに」
斜格「年末年始の準備が２０日から始まった秦市立城址公園内では」
これらに基づいて、
「年末年始の準備が２０日から始まった秦市立城址公園では内で（松の木が）なったクリスマスツリー」、
が生成され、さらに、ゼロ代名詞の部分についても埋め込みを行う処理によって、
「年末年始の準備が２０日から始まった秦市立城址公園内では内で飾り付けられた松の木がなったクリスマスツリー」
という文（関係節文）が生成される。

この関係節文は、前述の分１と分２の統合によって生成された文２、すなわち、
文２：年末年始の準備が２０日から始まった秦市立城址公園では、松の木が飾り付けられてクリスマスツリーになった。
に基づいて生成される関係節文である。

この関係節文を、
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
に埋め込む。この埋め込み処理の結果、
統合文：「しかし、この飾り付けられた松の木の年末年始の準備が２０日から始まった秦市立城址公園内で飾り付けられた松の木がなったクリスマスツリーにも不思議な魅力があり、マニアに人気がある。」
という統合された一文が生成される。

この文は、
文１：年末年始の準備が秦市立城址公園で２０日から始まった。
文２：公園内では、松の木が飾り付けられてクリスマスツリーになった。
文５：しかし、この松の木のツリーにも不思議な魅力があり、マニアに人気である。
これらの３つの文を統合してまとめた文として生成される。

この時、元の文５は、「この松の木のツリー」というように「松の木」は「ツリー」の修飾節として機能しており、また、「飾り付けられた松の木」の部分は重複するので、曖昧性が生じやすい「の」で修飾しているほうの「松の木」の部分を削り取る処理を実行することで、
統合文：「しかし、この飾り付けられた松の木の年末年始の準備が２０日から始まった秦市立城址公園内で飾り付けられた松の木がなったクリスマスツリーにも不思議な魅力があり、マニアに人気がある。」
という統合文が生成される。

このようにして得られた文１、文２、文５に基づいて生成された新たな文５（統合文）および統合された文１、文２、文５の前後の文を回答候補抽出パッセージとして設定して回答候補を得る。統合文の生成に用いられた文が存在した個所の前後も回答候補抽出パッセージとして含めることを考えると、回答候補抽出パッセージは以下の部分となる。

文３ 一般的には、クリスマスツリーにはもみの木が用いられる。
文４ ニューヨークのロックフェラーセンターの巨大ツリーは世界的に有名である。
文５ しかし、年末年始の準備が２０日から始まった秦市立城址公園内で飾り付けられた松の木がなったクリスマスツリーにも不思議な魅力があり、マニアに人気がある。

これらの回答候補抽出パッセージを対象とした回答候補抽出処理は、前述の実施例と同様に実行され、場所を示す名詞句として、回答候補「ニューヨーク」、「ロックフェラーセンター」、「秦市立城址公園内」が取得される。その後の処理は、前述の実施例において説明したと同様のスコア算出が実行され、結果として、「秦市立城址公園」が最も優先的な回答として得られる。

本処理例によれば、複雑な文脈の記事から正しい答えを得るのみならず、質問の答えが得られた根拠とる文を出力する際に、照応解析結果を元に生成して１文にてユーザに提示をすることができ、ユーザの複雑な文章を読む手間を省くことができる。

最後に、上述した処理を実行する質問応答システムを構成する情報処理装置のハードウェア構成例について、図１０を参照して説明する。ＣＰＵ（Central Processing Unit）５０１は、ＯＳ（Operating System)に対応する処理や、上述の実施例において説明した入力質問に基づく検索語（キーワード）抽出、検索処理、照応解析処理、参照関係文の抽出、回答候補抽出パッセージの決定処理、回答候補抽出処理、回答候補に対するスコア算出処理などを実行する。これらの処理は、各情報処理装置のＲＯＭ、ハードディスクなどのデータ記憶部に格納されたコンピュータ・プログラムに従って実行される。

ＲＯＭ（Read Only Memory）５０２は、ＣＰＵ５０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Random Access Memory）５０３は、ＣＰＵ５０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス５０４により相互に接続されている。

ホストバス５０４は、ブリッジ５０５を介して、ＰＣＩ(Peripheral Component Interconnect/Interface)バスなどの外部バス５０６に接続されている。

キーボード５０８、ポインティングデバイス５０９は、ユーザにより操作される入力デバイスである。ディスプレイ５１０は、液晶表示装置またはＣＲＴ（Cathode Ray Tube）などから成り、各種情報をテキストやイメージで表示する。

ＨＤＤ（Hard Disk Drive）５１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ５０１によって実行するプログラムや情報を記録または再生させる。ハードディスクは、例えば検索結果としての回答候補、検索結果、パッセージの格納、回答候補の格納手段などに利用され、さらに、データ処理プログラム等、各種コンピュータ・プログラムが格納される。

ドライブ５１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体５２１に記録されているデータまたはプログラムを読み出して、そのデータまたはプログラムを、インタフェース５０７、外部バス５０６、ブリッジ５０５、およびホストバス５０４を介して接続されているＲＡＭ５０３に供給する。

接続ポート５１４は、外部接続機器５２２を接続するポートであり、ＵＳＢ，ＩＥＥＥ１３９４等の接続部を持つ。接続ポート５１４は、インタフェース５０７、および外部バス５０６、ブリッジ５０５、ホストバス５０４等を介してＣＰＵ５０１等に接続されている。通信部５１５は、ネットワークに接続され、クライアントやネットワーク接続サーバとの通信を実行する。

なお、図１０に示す質問応答システムとして適用される情報処理装置のハードウェア構成例は、ＰＣを適用して構成した装置の一例であり、本発明の質問応答システムは、図１０に示す構成に限らず、上述した実施例において説明した処理を実行可能な構成であればよい。

以上、特定の実施例を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本発明の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

なお、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。

例えば、プログラムは記録媒体としてのハードディスクやＲＯＭ（Read Only Memory)に予め記録しておくことができる。あるいは、プログラムはフレキシブルディスク、ＣＤ−ＲＯＭ(Compact Disc Read Only Memory)，ＭＯ(Magneto optical)ディスク，ＤＶＤ(Digital Versatile Disc)、磁気ディスク、半導体メモリなどのリムーバブル記録媒体に、一時的あるいは永続的に格納（記録）しておくことができる。このようなリムーバブル記録媒体は、いわゆるパッケージソフトウエアとして提供することができる。

なお、プログラムは、上述したようなリムーバブル記録媒体からコンピュータにインストールする他、ダウンロードサイトから、コンピュータに無線転送したり、ＬＡＮ(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送し、コンピュータでは、そのようにして転送されてくるプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本発明の構成によれば、質問に対する回答を提供するシステムにおいて、入力質問の検索結果に対して、テキスト解析により、テキスト中の少なくとも名詞、代名詞およびゼロ代名詞のいずれかの表現の同一性判断を行なう照応解析を実行し、照応解析結果に基づいて、検索結果に含まれる表現を整理し、参照関係にある表現を共有する文を参照関係文として抽出し、回答候補抽出対象文としての回答候補抽出パッセージの選択処理において、選択された回答候補抽出パッセージに対応する参照関係文を含めて回答候補抽出パッセージとして選択して、選択されたパッセージから回答候補を抽出する構成としたので、例えば、回答候補抽出パッセージの選択処理において検索キーワードとのマッチ度に基づくパッセージ選択を行なった場合に、キーワードから離間した位置にある有力な回答候補を見落とすことなく、確実に回答候補として取得し、クライアントに提示することが可能となる。

既存の照応解析技術を用いて、検索結果として得られた記事に対して照応解析を施した例について説明する図である。 本発明の質問応答システムの適用例を示すネットワーク構成図である。 本発明の一実施形態に係る質問応答システムの構成について説明する図である。 本発明の一実施形態に係る質問応答システムの実行する照応解析処理例について説明する図である。 本発明の一実施形態に係る質問応答システムにおけるスコア算出処理について説明する図である。 本発明の質問応答システムの実行する処理シーケンスについて説明するフローチャートを示す図である。 本発明の一実施形態に係る質問応答システムにおいて実行する検索結果の構成文に対する構文意味解析処理の結果データについて説明する図である。 本発明の一実施形態に係る質問応答システムにおいて実行する検索結果の構成文に対する構文意味構造変換処理について説明する図である。 本発明の一実施形態に係る質問応答システムにおいて実行する構文意味構造変換処理について説明する図である。 本発明の一実施形態に係る質問応答システムのハードウェア構成例について説明する図である。

符号の説明

１００ ネットワーク
１０１ クライアント
１０２ Ｗｅｂページ提供サーバ
１０３ データベース
２００ 質問応答システム
２０１ 質問入力手段
２０２ 質問解析手段
２０３ 情報検索手段
２０４ 照応解析手段
２０５ 情報抽出手段
２０６ 回答候補抽出手段
２０７ 回答選択手段
２０８ 回答出力手段
２０９ ユーザ対話手段
５０１ ＣＰＵ(Central Processing Unit)
５０２ ＲＯＭ（Read-Only-Memory）
５０３ ＲＡＭ（Random Access Memory）
５０４ ホストバス
５０５ ブリッジ
５０６ 外部バス
５０７ インタフェース
５０８ キーボード
５０９ ポインティングデバイス
５１０ ディスプレイ
５１１ ＨＤＤ（Hard Disk Drive）
５１２ ドライブ
５１４ 接続ポート
５１５ 通信部
５２１ リムーバブル記録媒体
５２２ 外部接続機器

Claims (6)

1. 質問を入力する質問入力手段と、
   入力質問から抽出した検索キーワードを用いて一群の文からなる文群を検索する検索手段と、
   前記検索手段で検索した文群を構成する文の各々に対して当該文の名詞、代名詞、またはゼロ代名詞が他方の文の語を参照する参照関係にあるかどうかを判別する照応解析手段と、
   前記検索手段で検索した前記文群から、前記検索手段において適用した検索キーワードに対応する語を、より多く含む文を回答候補抽出対象文として選択し、さらに、前記照応解析手段における参照関係の判別結果に基づいて、参照関係にある参照元の名詞、代名詞、またはゼロ代名詞を含む文および参照先の語を含む文を参照関係文として抽出する処理を実行するとともに、前記参照関係文の対応する一方が回答候補抽出対象文として選択されるときに、前記参照関係文の対応する他方も回答候補抽出対象文として選択する情報抽出手段と、
   前記情報抽出手段の選択した回答候補抽出対象文から回答候補を抽出する回答候補抽出手段と、
   前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段と、
   を有し、
   前記回答選択手段は、
   前記回答候補抽出手段の抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、
   回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、
   前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行する構成であることを特徴とする質問応答システム。
2. 前記情報抽出手段は、
   前記検索手段で検索した前記文群から、前記検索手段において適用した検索キーワードに対応する語を、より多く含む文とその近傍の文を回答候補抽出対象文として選択し、さらに、前記参照関係文の対応する一方が回答候補抽出対象文として選択されるときに、前記参照関係文の対応する他方も回答候補抽出対象文として選択する構成であることを特徴とする請求項１に記載の質問応答システム。
3. 質問を入力する質問入力手段と、
   入力質問から抽出した検索キーワードを用いて一群の文からなる文群を検索する検索手段と、
   前記検索手段で検索した文群を構成する文の各々に対して当該文の名詞、代名詞、またはゼロ代名詞が他方の文の語を参照する参照関係にあるかどうかを判別する照応解析手段と、
   前記照応解析手段における参照関係の判別結果に基づいて、参照関係にある参照元の名詞、代名詞、またはゼロ代名詞を含む文および参照先の語を含む文を参照関係文として抽出しこれら参照関係文を１つの文に統合するとともに、統合された文および統合されずに残された文から、前記検索手段において適用した検索キーワードに対応する語を、より多く含む文を回答候補抽出対象文として選択する情報抽出手段と、
   前記情報抽出手段の選択した回答候補抽出対象文から回答候補を抽出する回答候補抽出手段と、
   前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段と、
   を有し、
   前記回答選択手段は、
   前記回答候補抽出手段の抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、
   回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、
   前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行する構成であることを特徴とする質問応答システム。
4. 前記情報抽出手段は、
   前記参照関係文を統合して１つの文を生成する処理において、統合対象の文の構文意味解析処理を実行し、構文意味解析結果に基づく文統合処理を実行する構成であることを特徴とする請求項３に記載の質問応答システム。
5. コンピュータを、
   質問を入力する質問入力手段、
   入力質問から抽出した検索キーワードを用いて一群の文からなる文群を検索する検索手段、
   前記検索手段で検索した文群を構成する文の各々に対して当該文の名詞、代名詞、またはゼロ代名詞が他方の文の語を参照する参照関係にあるかどうかを判別する照応解析手段、
   前記照応解析手段における参照関係の判別結果に基づいて、参照関係にある参照元の名詞、代名詞、またはゼロ代名詞を含む文および参照先の語を含む文を参照関係文として抽出する処理を実行するとともに、前記参照関係文の対応する一方が回答候補抽出対象文として選択されるときに、前記参照関係文の対応する他方も回答候補抽出対象文として選択する情報抽出手段、
   前記情報抽出手段の選択した回答候補抽出対象文から回答候補を抽出する回答候補抽出手段、
   前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段、
   として機能させるための質問応答システム用コンピュータ・プログラムであって、
   前記回答選択手段は、
   前記回答候補抽出手段の抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、
   回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、
   前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行する構成である質問応答システム用コンピュータ・プログラム。
6. コンピュータを、
   質問を入力する質問入力手段、
   入力質問から抽出した検索キーワードを用いて一群の文からなる文群を検索する検索手段、
   前記検索手段で検索した文群を構成する文の各々に対して当該文の名詞、代名詞、またはゼロ代名詞が他方の文の語を参照する参照関係にあるかどうかを判別する照応解析手段、
   前記照応解析手段における参照関係の判別結果に基づいて、参照関係にある参照元の名詞、代名詞、またはゼロ代名詞を含む文および参照先の語を含む文を参照関係文として抽出しこれら参照関係文を１つの文に統合するとともに、統合された文および統合されずに残された文から回答候補抽出対象文を選択する情報抽出手段、
   前記情報抽出手段の選択した回答候補抽出対象文から回答候補を抽出する回答候補抽出手段、
   前記回答候補抽出手段の抽出した回答候補に対して、回答としての適正度を示すスコアを算出する回答選択手段、
   として機能させるための質問応答システム用コンピュータ・プログラムであって、
   前記回答選択手段は、
   前記回答候補抽出手段の抽出した回答候補に対するスコア算出処理において、回答候補を含む文またはその近傍の文に含まれる検索キーワード対応語の数を反映させた第１のスコア値と、
   回答候補を含む文またはその近傍の文に対応する参照関係文に含まれる検索キーワード対応語の数を反映させた第２のスコア値を求め、
   前記第１のスコア値および第２のスコア値の双方に基づいて、回答候補に対応するスコア値を算出する処理を実行する構成である質問応答システム用コンピュータ・プログラム。

Images